AI中国网 https: //www.cnaiplus.com
到明年，人工智能驱动的公司将从竞争对手那里抢走1.2万亿美元的业务收入。俗话说，他们将吃掉竞争对手的午餐。
输给竞争对手通常足以促使大多数公司改变战略。然而，竞争不仅仅是损失，跟不上市场的步伐会产生深远的影响。
许多组织目前正在努力解决这一问题，因为它们在考虑采用人工智能的理由，而不是做出改变所需的投资和其他资源。
人工智能，特别是机器学习，已经被各个领域的企业和组织广泛接受。 它使用来自客户行为和数据的连续反馈循环帮助公司生产更好的产品和服务，以帮助机器以前所未有的速度学习。
与传统方法相比，这有助于他们以极大改进的速度将升级和新产品推向市场。 先发优势在竞争性行业中具有显着的收入影响。
机器学习还可以改善内部业务流程，例如CRM或信用评级评估。 例如，银行正在使用人工智能来评估潜在客户的信誉，使用从有关数千个其他客户和交易行为的数据中学习的机器。
这有助于贷款人做出快速的贷款决策，而这些决策得到了数据审查的支持，而人力信贷官员永远无法做到这一点。
人工智能的核心是数据，无论大小，它都日益成为任何公司中最有价值的资产。然而，就其本身而言，数据几乎没有什么用处，除非一家机构知道获取其利益的最佳方式。
优化数据洞察取决于两个关键因素：质量、结构良好的数据和可靠的从记录和收集数据到最终处理的从摇篮到坟墓的过程，这些因素都符合最佳实践。好消息是，过去50年来，所有公司都在收集数据。现在他们可以更大程度地利用它了！
人工智能在挖掘数据的财富方面已经改变了游戏规则，但它需要付出代价。编写AI并构建预测和分析模型需要时间和金钱。在这个市场上，对于争夺市场份额的公司来说，上市时间从未如此重要，因此向消费者提供见解驱动的产品或服务的速度是不言而喻的。
这就是自动化机器学习的用武之地。传统的AI需要耗费时间的手动流程来构建分析模型。
它涉及多个任务，从特征选择和工程设计，从数千种可能的算法中筛选，到最终的结果评估和比较。对于许多公司来说，这些活动中的大多数都是由数据科学家完成的，这些数据科学家的工作量往往超出了他们的能力范围，假设公司能够首先找到、吸引和留住合格的数据科学家！
自动化的机器学习让企业可以用一个快速、自动化的过程取代这种缓慢而艰巨的人类活动，这个过程可以扩展人工智能的交付。
通过自动执行耗时且重复的任务，数据科学家花费更多时间解决问题并为业务带来真正的价值。这种方法还可以提高工作满意度并减少客户流失。
自动化机器学习用户已经报告说，曾经花费几个月的任务已经减少到几天，在某些情况下，只需几个小时。由此产生的优势非常明显。
在传统的企业人工智能模型中，企业投资于拥有熟练分析师和工程师的数据团队。这种能力并不便宜，数据科学家非常抢手，优秀的科学家可以自己开支票。你也不能只靠一个。通常情况下，在构建人工智能时，需要一个团队来执行复杂的任务。
如果一个团队是行业中最好的，他们就会被高薪挖走。如果公司无法留住他们，就会面临两个问题，找到一个新团队，以及失去他们积累的知识产权。两者都不容易替换。
这就引出了我的下一个观点。一旦企业接受将人工智能嵌入到其业务中，它就面临着一个选择：要么雇佣这些技能（我们已经在这里确定了风险），要么采用创造性的方法来有机地构建内部人工智能能力。传统的人工智能一直是非常熟练的个人的领域。
它们不仅昂贵，而且有时还需要在竖井中工作，使用术语、计算和编码语言，这让一般的业务人员感到困惑。
《哈佛商业评论》（Harvard Business Review）最近指出，由于需要协调，这种专业化可能会增加成本。
协调成本就像对迭代征税一样，使其更加困难和昂贵，并且更有可能阻止开发。这可能会妨碍学习……数据科学的角色需要变得更加一般化，其广泛的职责与技术功能无关。”
随着新的自动化机器学习工具的出现，跨公司各个业务部门构建人工智能能力已成为现实。自动化一些更复杂的过程，比如识别构建人工智能模型的正确算法，使那些不一定具有技术背景的员工更容易参与进来。
这允许您现有的更聪明的分析师作为数据科学家工作，从而创建一个新的用户类别Gartner将这一趋势称为“公民数据科学家”。“像DataRobot这样的工具将人工智能的潜力交到任何业务用户的手中，使每个部门的团队能够在传统方法的一小部分时间内构建和部署高度精确的模型。”
内置的保护还能确保用户不会犯愚蠢的错误，也不会给他们的模型带来偏见。例如，检测目标泄漏，在包含预测时不可用的信息的数据集上训练算法，从而扭曲了实际的世界预测。
企业需要采用人工智能的最后一个理由与透明度有关。最近，澳大利亚皇家金融服务委员会（Australian Royal Commission into The financial services industry）明确表示，在与客户打交道时，有必要提高透明度。金融机构和所有受到高度监管的面向客户的行业一样，必须遵守严格的数据法规。
自动机器学习包括模型和特性解释，它提供了关于如何获得数据洞察的透明性。随着企业面临越来越严格的监管要求，这种成本和时间效益的功能将变得越来越重要。
https：//itbrief.co.nz/story/why-businesses-need-to-start-implementing-ai
新浪声明：新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。
AI中国网 https: //www.cnaiplus.com
本文网址：
